- 博客(166)
- 收藏
- 关注
![](https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png)
转载 常用算法时间复杂度表
常见的数量级大小:O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n3)<O(2n)<O(n!)数量级能承受的大致规模常见算法O(1)任意直接输出结果O(logn)任意二分查找、快速幂O(n)以百万计(五六百万)
2014-10-15 21:55:36
1097
原创 Java核心技术 卷I:基础知识
第一章 Java程序设计概述太简单了,直接略过。1.2 Java“白皮书”的关键术语简单性:指相对于C++简单(指针、多重继承等),但设计者也并没有试图清楚C++中所有不适当的特性面向对象:java与C++主要不同在于多重集成,以及接口概念网络技能健壮性安全性体系结构中立可移植性解释性:过去Java解释器可以在任何移植了解释器的机器上执行java字节码,现在使用即使编译器将字节码再翻译成机器码高性能多线程动态性第二章 Java程序设计环境我选择使用了JetBrainde I
2021-03-03 10:56:26
792
1
原创 kubernetes虚拟机多级环境部署与Istio的安装
kubernetes虚拟机多级环境部署与Istio的安装标签:项目实践 kubernetes istio计划在三台2C4G的机器上安装kubernetes。其中master和slave的系统均为Ubuntu18.04桌面版。(原本想用CentOS的,下载的时候就是这样了,费事改了)目前需要在实验室的服务器上进行部署,得了,最终结果也是一样的。分为以下几个步骤:安装基本软件访问谷歌镜像仓库gcr.io完成三台机器关于安装kubeadm的相关工作安装Istio部署相关应用(prometheu
2020-10-13 12:37:13
1183
原创 在k8s中上线gatling镜像并在内网发送流量
在k8s中上线gatling镜像并在内网发送流量很多时候我们会面临一个问题,即外网的带宽是有限的,虽然未来有扩容的可能,但是短时间内也不能直接扩容,而测试本身是无限的。因此,如果不能够在内网下直接发包进行测试,那由于带宽限制打不到较大的压力,对于一些容器的测试很可能就达不到效果。因此我们需要在内网有一个能够配置的压力测试容器,目前选定了gatling,因为其功能比较强大,而且安装很方便。镜像构造初始镜像构造虽然之前已经做了ubuntu的镜像,并且可以使用apt-get install来安装gatl
2020-10-12 15:44:17
468
转载 如何证明SAT问题可以规约到3SAT问题
本文为OpenDSA项目,允许转载,证书我看到了一个幻灯片,相当的容易理解。地址在这里,相当清晰易懂的讲解了如何把一个规范的SAT问题(布尔可满足性问题)转换成3SAT问题。这样的形式实在是非常的好,我觉得以后我也可以做一个网站像这样来展示我的观点,甚至可以把一些结果给直接做出来,伪装成命令行的形式。...
2020-10-11 18:43:22
1246
原创 如何进入k8s平台下正在运行的容器的终端+精确测算k8s+istio下pod的CPU占用率
如何进入k8s平台下正在运行的容器的终端+精确测算k8s+istio下pod的CPU占用率参考资料:官方文档解决的问题如何进入运行中的容器?或者说,如何打开运行中容器的bash界面。如何让容器长期运行?或者说,如何让ubuntu镜像长期运行?实验目标要在istio网络下建立一个基于ubuntu的服务器,然后通过像这个服务器发送流量的方式来弄清楚prometheus与华为云提供的监控哪一个关于CPU占用率是更准确地。为了实现这个目的,需要在k8s下进入正在运行的容器的终端知识可以使
2020-10-10 15:56:26
2183
原创 如何离线定时发送流量
仓库地址,对于crontab的介绍还不够详细,后面会考虑再写两篇,一篇为crontab快速入门+快速复习,一篇为对crontab的详细介绍与原理解析以及替代品对比。如何离线定时发送流量在流量实验的时候(benchmark/ press test/ simulation),我们经常遇到需要长时间发送流量的情况。这时候如果让人呆在机器旁边按时启动的话,一个是非常折磨人的精神(必须要定闹钟严格按时),另外一个方面也不能够明确地保证实验能够按时进行按时结束。虽然经过多次实验后,在早期还是建议人工介入,这样如果
2020-10-05 12:15:42
261
原创 A container scheduling strategy based on machine learning in microservice architecture
A container scheduling strategy based on machine learning in microservice architectureIEEE Conference on Services Computing, 2019, CCF C类居然是我们学校的……作者运用total access, concurrency, average response time of users, error rate采用随机森林回归的方式来预测微服务架构下所需要的容器数量。比较吸引
2020-09-30 13:31:50
311
3
原创 Less Provisioning: A Hybrid Resource Scaling Engine for Long-running Services with Tail Latency G...
Less Provisioning: A Hybrid Resource Scaling Engine for Long-running Services with Tail Latency GuaranteesIEEE Transactions on Cloud Computing, 2020, CCF C类。然而其实是作者另外一篇2018年B类的补充版本,所以其实这篇应该算是B类(我个人觉得够不上A类,不过也不好说)这篇论文和我之前做调度的思路基本是一致的,只不过用的方法不太一样。虽然我现在也不做调
2020-09-29 21:16:37
219
原创 Business-Driven Long-Term Capacity Planning for SaaS Applications
Business-Driven Long-Term Capacity Planning for SaaS ApplicationsIEEE Transactions on Cloud Computing, 2015 CCF C类目标:使得SaaS provider的利润最大化设想的场景:一个SaaS服务商向IaaS服务商拿取资源。云服务有按需付费(on-demand)和预付费(reservation)两种,前者昂贵、不可获得但是灵活,后者便宜、保证获得但是只能按时购买。因此如何选择预付费资源的购买数
2020-09-28 15:08:47
162
原创 带地理信息的课程签到需求实现(使用现有软件)
问卷测试第一次做TA,老师需要签到并且附加地理信息特征来增大学生旷课成本,提高到课率。原本想自己做一款的,后来费事了,找了几款目前有的软件进行测试。目的是选择一款能够支持定时开启的问卷,要求:完成基本的签到功能(姓名与学号)并且结果便于导出能够获得地理信息(精度要能识别宿舍区与教学区)能够统计IP只能通过微信进行填写,防止代写(或者锁定手机)以下为加分项目:能够在多次填写的时候自动填写,复用问卷能够在电脑与手机端同时填写(考虑到不是所有人都带了手机)候选人:问卷软件签
2020-09-27 15:29:39
423
原创 [A类,建模]Performance Modeling and Workflow Scheduling of Microservice-Based Applications in Clouds
Performance Modeling and Workflow Scheduling of Microservice-Based Applications in CloudsIEEE Transactions on Parallel and Distributed Systems,2019, CCF A类第一眼看上去差点被摘要吓到,完全是我的想法的加强升级版。读完之后想了一下,好像跟我的方向也没什么太大关系。本文要解决的问题是所谓的MAWS-BC问题,全称Microservice-based Ap
2020-09-26 21:49:15
407
1
原创 [B类URI组合+性能预测]Web Application Resource Requirements Estimation based on the Workload Latent Features
Web Application Resource Requirements Estimation based on the Workload Latent FeaturesIEEE transactions on services computing, 2019 ,CCF B类我个人是觉得这篇文章是非常重要的。本文提出过去的预测式调度方法通常都只基于流量的输入值,而在相同流量输入值的情况下,CPU、内存占用、响应时间和网络带宽的值都可能是不一样的。因此本文更多关注于流量的隐特征,在本文中,流量的隐特征
2020-09-26 20:49:32
155
原创 Python爬虫学习之requests+BeautifulSoup学习
爬虫快速入门requests参考资料中文站1 快速入门在requests中,它会使用urllib3来自动完成Keep-alive和自动保持HTTP连接等功能。使用requests.get(url)即可发送一个get请求使用requests.post(url,data={key,value})可以发送一个POST请求。同理,put,delete,head与options都可以这样发送。传递参数有时会需要向URL的查询字符串中传递某种数据。如果是手工构建的话,需要向URL中插入键值对
2020-09-24 21:29:22
1165
原创 Enterprise applications cloud rightsizing through a joint becnmarking and optimization approach
Enterprise applications cloud rightsizing through a joint becnmarking and optimization approachFuture Generation Computer Systems,2018,CCF C类平台:基于VM的公有云平台。解决的问题:对于指定的流量和指定的应用,选用哪一种类型的VM更合适(不同平台/不同规格)作者在
2020-09-22 13:30:53
340
原创 Quantitative quality estimation of cloud-based streaming services
Quantitative quality estimation of cloud-based streaming services标签:计算机论文 资源预测Computer Communications,2018,CCF C类目标是云上的基于流的服务,比如实时流视频和游戏服务。需要对这些服务进行实时建模,使用方法为排队网络。实际上没有看完,因为这篇文章没有进行实际实验,我觉得作用存疑。不过其对排队论方法的改进倒是有点意思,放上来留个纪念。摘要云上的一些流服务,比如实时视频与游戏服务,已经变为了近
2020-09-20 17:12:50
168
原创 Prediction mechanisms for monitoring state of cloud resources using Markov chain model
Prediction mechanisms for monitoring state of cloud resources using Markov chain modelJournal of Parallel and Distributed Computing,2016,CCF B类文章作用的结果为distributed computing systems开始了解使用马尔科夫链来进行预测,从实验结果来看准确率能到80%,同时ETD值基本是小于40%的。问题:如何选择开始状态?似乎是很基础的东西。
2020-09-19 10:28:45
168
原创 [A类多层应用排队论]Stochastic Resource Provisioning for Containerized Multi-Tier Web Services in Cloud
Stochastic Resource Provisioning for Containerized Multi-Tier Web Services in CloudIEEE Transactions on Parallel and Distributed Systems,2017. CCF A类Docker背景下构建的多层应用,运用G/G/n进行建模并且使用随机过程来解决非线性最优化问题。背景不能在变化的流量中适当地分配资源是导致响应时间延迟和资源浪费的重要因素。而响应时间的延迟会造成商业软件明显
2020-09-15 20:04:29
206
原创 [A类排队论多层应用多线程]Integrating Concurrency Control in n-Tier Application Scaling Management in the Cloud
Integrating Concurrency Control in n-Tier Application Scaling Management in the CloudIEEE Transactions on Parallel and Distributed Systems,2019. CCF A类VM背景下的n层应用调度,最大的贡献是对多层应用在多线程环境下的服务时间的估计建模。背景作者发现在进行硬件调度之后,如果没有适当地进行软件设置(这里指的是并发量设置,比如Apache服务器的线程池大小、
2020-09-15 09:21:54
166
原创 Agile Dynamic Provisioning of Multi-tier Internet Applications
Agile Dynamic Provisioning of Multi-tier Internet ApplicationsICAC 2008本文是面对多层应用架构下(例子用的是e-commerce)进行的调度算法。用排队网络建模,每一个层的一个虚拟机为一个G/G/1系统,则每一层为G/G/n系统背景从原因上来说,是因为难以预测流量峰值的大小与到来时间,因此本文会选择使用一种动态资源分配与请求策略的组合来处理workload variation。在Case-study中本文详细地描述了瓶颈层的概念
2020-09-14 19:35:26
163
原创 Autonomous resource provisioning for multi-service web application
2010,WWW会议本文是师兄推荐的关于多层应用下使用M/M/n进行调度的算法。说是多层应用,但其实是DAG,不过用在多层应用中估计也没有问题。文章是将一个单核机器建模成一个M/M/1/PS的队列,并假设对于多核而言,每个CPU的核心都是相同的,那就可以建模成一个M/M/n/PS的队列。因此,增加或删除一个实例所带来的响应时间变动为ΔRserver=Rserver(n±1)−Rserver(n)\Delta R_{server}=R_{server}(n\pm 1)-R_{server}(n)ΔRs
2020-09-14 15:47:49
116
原创 排队论基础
排队论基础参考《运筹学教程》-胡运权排队论是对排队问题的研究,表示为随机聚散服务系统。聚即为到达,散即为离去,随机指的是顾客的到达情况与每个顾客接受服务的时间是随机的。一般来说,顾客的相继到达时间与服务时间这两个量至少有一个量是未知的。因此,排队论一般被称为随机服务系统理论。以下仅介绍基本概念输入过程说明顾客如何到达系统:总数:有限/无限到达方式:单个/成批相继到达时间的分布:设Tn为第n个顾客的到达时间,先假设n个顾客相继到达,即T_1<T_2<...<T_n,设X_
2020-09-12 16:56:41
1743
原创 Keras中的Embedding层是什么,怎么工作?
在学习的过程中遇到了这个问题,同时也看到了SO中有相同的问题。而keras-github中这个问题也挺有意思的,记录一下。这个解释很不错,假如现在有这么两句话Hope to see you soonNice to see you again在神经网络中,我们将这个作为输入,一般就会将每个单词用一个正整数代替,这样,上面的两句话在输入中是这样的[0, 1, 2, 3, 4][5, 1, 2, 3, 6]在神经网络中,第一层是Embedding(7, 2, input_length=5)
2020-09-08 21:15:32
500
原创 《SQL必知必会》笔记
目录SQL必知必会本文的用途读后感第一章第二章 检索数据2.1 SELECT语句2.5 检索不同的值2.6 限制结果2.7 使用注释第三章 排序检索数据3.1 排序数据第四章 过滤数据4.1 使用WHERE字句4.2 WHERE子句操作符第五章 高级数据过滤5.1 组合WHERE子句5.2 IN操作符5.3 NOT操作符第六章 用通配符过滤6.1 LIKE操作符6.2 通配符的技巧第七章 创建计算字段7.1 计算字段7.2 拼接字段第8课8.1 函数8.2 使用函数第九章 汇总数据9.1 聚集函数9.2 聚
2020-08-21 21:38:29
719
原创 【洛谷P1309】瑞士轮
P1309瑞士轮本题同样是NOIP普及组第三题。因为太久没有做过题目了,先从普及组开始练习吧。题目内容思路1很显然想到的思路就是模拟,代码如下:#include <iostream>#include <vector>#include <utility>#include <algorithm>using namespace std;...
2019-09-02 20:59:45
486
原创 中山大学系统分析与设计第六次作业
1、使用类图,分别对 Asg_RH 文档中 Make Reservation 用例以及 Payment 用例开展领域建模。然后,根据上述模型,给出建议的数据表以及主要字段,特别是主键和外键注意事项:对象必须是名词、特别是技术名词、报表、描述类的处理;关联必须有多重性、部分有名称与导航方向属性要注意计算字段数据建模,为了简化描述仅需要给出表清单,例如:Hotel(ID/Key,Name,...
2019-06-16 09:40:29
174
原创 强化学习Q-learning辅助flappy bird
flappy bird项目分析标签:强化学习 实验 Q-learning来源来自一个github上的项目,使用Q-leraning训练flappy bird,效果很好,半小时能够到几十(比人厉害多了),使用小鸟到最近的柱子的x和y值作为状态非常简单,但是效果比较一般,鸟很多此在第0次的时候撞在柱子上。地址因为用到了google托管css,所以应该是要梯子的。而且在本地打开会因为file...
2019-05-28 16:14:25
1958
原创 中山大学系统分析与设计第五次作业
1、根据订旅馆建模文档,Asg-RH.pdf:绘制用例图模型(到子用例)给出 make reservation 用例的活动图2、根据课程练习“投递员使用投递箱给收件人快递包裹”的业务场景分别用多泳道图建模三个场景的业务过程x科技公司发明了投递柜,它们自建了投递柜以及远程控制系统。注册的投递员在推广期免费使用投递柜。由于缺乏资源,仅能使用y移动平台向客户发送短信通知。...
2019-05-23 16:44:14
179
原创 中山大学系统分析与设计第四次作业
第四次作业标签:第四次作业 系统分析与设计一、 简答题用例的概念用例是文本形式的情节描述,广泛应用于需求的发现和记录工作中。用例和场景的关系?什么是主场景或happy path?每个用例提供一个或多个场景,该场景说明了系统是如何和最终用户或其他系统互动,也就是谁可以用系统做什么。参与者在用例中所遵循的主逻辑路径,描述了各项工作都正常进行时用例的工作方式,所以通常称为主场景或h...
2019-05-18 10:04:34
328
原创 k8s下用persistentVolume和statefulSet搭建mysql安装与测试记录
k8s下mysql搭建全记录标签:k8s docker mysqlmysql的Dockerfile上学期的时候我写过一个Dockerfile来作为镜像,其实效果还是不错的:FROM guyton/centos6RUN yum install -y mysql mysql-serverRUN /etc/init.d/mysqld start &&\mysql -e "g...
2019-05-07 11:10:28
2646
原创 单隐层BP神经网络推导
单隐层BP神经网络推导标签:神经网络今天重新提到了多隐层神经网络,虽然还是挺简单的,但是突然发现没有理解。遂决定整理一下上学期学习的单隐层神经网络,再看看和多隐层BP有什么区别。符号定义输入向量:n维向量X隐层输出向量:m维向量Y输出向量:l维向量O期望输出向量:l维向量d输入层和隐层间权重矩阵V隐层和输出层间权重矩阵W神经网络激活函数定义f(x)=11+e−xf(x)=...
2019-04-25 08:50:34
1457
原创 学习用ingress暴露服务
学习用ingress暴露服务标签:kubernetes ingress 服务发现之前我一直使用的是NodePort和LoadBalancer,但是今天在暴露prometheus时发现这两种都不行。有一篇博客提到了用ingress暴露http服务,我之前没有试过ingress,先做个实验吧。参考文章:Kubernetes Nginx Ingress教程kubernetes ingress...
2019-04-23 18:43:23
1153
原创 istio环境下暴露prometheus(失败,待续)
promethus转发标签:promethus istiopromethus是非常重要的流量监控工具,但是它的浏览器界面只能够在内网下打开,如何在外网访问这个好用的流量监控工具呢根据bookinfo遥测教学,在本机上访问链接地址即可打开prometheus界面,我们的目标就是让外网也能够打开这个界面,这就需要建立外网到内网9090端口的映射。直接修改svc/istio-ingressgat...
2019-04-23 17:02:12
1259
1
原创 istio1.1.3升级记录
istio1.1.3更新记录标签:istio 更新之前的istio因为自己学业繁忙以及bookinfo的example出现了无法连接的问题,然后现在终于有了点时间,发现istio已经更新到了1.1.3,不知道新版本能不能解决之前我遇到的问题,遂决定更新一下。因为之前一次安装1.1.0版本失败了,这次从1.0.6升级我一定要记录下来,不然万一崩了都不知道自己做过什么,岂不是麻烦大了。下载更新...
2019-04-23 09:21:53
757
原创 beego数据库基本操作实践
beego数据库基本操作实践标签:beego 数据库 实践beego中对数据库的操作比较多,本文主要实践除了orm以外的几种对数据库的访问方式。而且实际上,如果你经常使用数据库而不怎么用orm的话,直接使用下面的方法比除了CURD四种情况外使用orm要方便很多。其实原始的中文文档讲的就很清除,这里只是做一个自己看的总结而已,这样我查东西的时候就不用忍受抽风的延迟了。主要包括三个:直接用Ra...
2019-04-18 16:09:06
1646
原创 beego的orm模型定义学习与实际测试
beego中的orm学习标签:beego orm因为我没怎么用过orm,一般就直接用着sql驱动直接上了。数据库上的也有一段时间了,对于各种关系忘得也是差不多了。这里主要是官方写的不是特别好,比如官方中文文档在这里给出的models.go的例子,让人看的很迷茫。package mainimport ( "github.com/astaxie/beego/orm")type...
2019-04-15 19:06:31
2269
1
原创 beego学习笔记与beego+swagger部署极速入门记录
beego学习笔记标签:beego 学习笔记参考资料:beego官方中文文档推荐使用postman进行调试,这是一款很好地API开发工具,能够比较方便地测试API(以各种参数加在body中,省去了自己写程序的步骤)。beego搭建api服务,这是go语言中文网的,例子很不错,但是不够清楚。beego+swagger快速上手,非常好的教程,很实用,在10分钟之内绝对可以完成一个简单...
2019-04-15 16:17:04
1902
原创 Kinect in Unity手势识别的学习总结
Kinect学习标签:Kinect Windows买了Kinect之后学习了好久,姑且做个阶段性的总结吧。之后的实践部分单独再出一篇文章。参考资料:b站 微软kinect系列教程微软教程微软社区微软开发者遇到的问题:win10版本太高,Kinect unconnected一、Kinect2.0概述以及Kinect数据源预览基本介绍了Kinect2.0的大概内容,以及开...
2019-04-15 10:32:41
4716
原创 系统分析与设计第三次作业
系统分析与设计第三次作业标签:系统分析与设计 作业作业内容简答题第一题简述瀑布模型、增量模型、螺旋模型(含原型方法)的优缺点(从项目特点、风险特征、人力资源利用角度思考)一、 瀑布模型的优点和缺点优点:从项目特点的角度思考,它为项目提供了按阶段划分的检查点。且提供了一种模版,能够使得分析、设计、编码、测试和支持的方法在该模版下有一个共同的指导。因此对于需求明确的大规模项目是十...
2019-04-13 15:23:36
185
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人